質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.52%

  • Python 3.x

    6319questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

Python:読込み前のデータの整形

解決済

回答 2

投稿

  • 評価
  • クリップ 1
  • VIEW 239

kumer1

score 5

前提・実現したいこと

他人から貰ったtest.csvというファイルを読み込んでグルーピングしてまとめたい。
そしてあるコラムを軸にソートをかけたい。

・test.csv(元のデータ)
Id,Month,Country,Count,Sales,Share
3310-15,17年4月,アメリカ,25,50,15
3310-15,17年4月,カナダ,5,10,3
3310-15,17年5月,アメリカ,50,100,30
3310-15,17年5月,カナダ,15,30,9
3310-15,17年6月,アメリカ,20,40,12
3310-15,17年6月,イギリス,10,20,6
3310-28,17年4月,アメリカ,5,10,3
3310-28,17年6月,イギリス,5,10,3
3310-30,17年5月,アメリカ,5,10,3
3310-30,17年5月,カナダ,5,10,3

・by_month.csv(完成形の表)
Id,17年4月,17年5月,17年6月
3310-30,0,10,0
3310-28,5,0,5
3310-15,30,65,30
※17年4月を軸に少ない値順でソート

発生している問題・エラーメッセージ

①エラーは出ないが、数字が足されずにお尻に付いてしまいます。
結果
ーーーーーーーーーーーーーーーーー
Id,17年4月,17年5月,17年6月
3310-15,30,65,30
3310-28,5,0,5
3310-30,0,55,0
ーーーーーーーーーーーーーーーーー
※3310-30の5月は本来なら10のはずだか、55となってしまいます。

②ソート部分をどうかけば良いかわからないです。

該当のソースコード

import pandas as pd

df = pd.read_csv('test.csv')
pv = pd.pivot_table(data=df, values='Count', columns='Month', index='Id', aggfunc='sum', fill_value=0)
pv.to_csv('by_month.csv')

試したこと

①test.csvが数字と文字が混ざってしまっているのでint()とかdtype()で処理をするのかなと思うが、書き方がわからないです。
※力技で元のcsvをコピペしてインデックス/コラム以下の部分を数値に直して取り込みました。

②単純にsort()をどう使えば良いかわからないです。

補足情報(言語/FW/ツール等のバージョンなど)

Mac OS High Sierra 10.13.2
Python 3.6.4

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 2

checkベストアンサー

+1

質問に記述していただいたデータで動作確認してみましたが、私もKojiDoiさん同様に現象を再現できませんでした。

それでも実際の結果が '3310-30の5月' の結果が55となっているのであられば、 Count Columnのデータが文字列として扱われているのではないかと思います。

とりあえずは CSVファイルを読み込み後、

print(df.dtypes)


を実行し、 各Columnのデータ型を確認してみてください。もしここで
Count    object 
となっておりましたら、データが文字列として扱われております。
通常は数値データは数値型として読み込まれますので、一度データを確認をしてみてください。

一応、

df['Count'] = df['Count'].astype('int')


とすることで型変換をすることが出来ますし、データ読み込み(read_csv)時に

df = pd.read_csv('test.csv', dtype={'Count':'int'})


と型を指定して読み込むことも出来ますので、こちらも確認してみるとよいかもしれません。

ソートの件はKojiDoiさんが回等している通り、DataFrame.sort_values()をお使いください

https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.sort_values.html

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/01/18 14:23

    ありがとうございました。print(df.dtypes)役に立ちました。ご指摘の通り、objectになってました。色々なcsvで記載されてる方法でobjectをintにする処理を試して見てたのですが、たまに下記のようなエラーが出る場合がありました。

    例)
    ValueError: invalid literal for int() with base 10: '9.70'

    数字は引っかかるセルにより、毎回違うのですが、これはこの部分だけ10進数になってるからエラーですよという事でしょうか?これを解決するにはどうしたら良いでしょうか?

    キャンセル

  • 2018/01/18 14:48

    これは 『文字列を10進の数値データに変更しようとしたら '9.70' という文字列が出てきたけど、どうするよ』というエラーです
    たとえば、一度 float に変換してから int に再変換

    df['Count'] = df['Count'].astype('float').astype('int')

    などで一応回避できるとは思いますが、データ自体が一部壊れている可能性がありますので、もとデータを確認してみてください

    キャンセル

  • 2018/01/20 06:48

    ありがとうございます。その過程で"1,280"というobject?に引っかかり、エラーがでますが、オリジナルのcsvからカンマを取り除くと次の数字に引っかかるまで進みます。オリジナルはwindowsのエクセルで作成されて私はmacでnumbersで開いてcsvへutf-8で吐き出してます。ここら辺の過程でごちゃごちゃになってしまうんでしょうか?

    キャンセル

+1

エラー1は再現しませんでした。

sortは次のような感じでいいんじゃないでしょうか。

pv.sort_values(by="17年4月").to_csv("sort_by_17-4.csv")

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/01/16 07:41

    ありがとうございます。
    ②ソートの件、うまくいきました。さらに突っ込んで聞きたいのですが、by="Id"でソートしようとするとKeyError:'Id'が発生します。print(pv.dtype)を実行するとコラムにIdが無い表示結果が帰ってきます。これはコラムにIdが無い事を意味すると思うのですが、csvの表示結果はIdのコラムが存在します。
    これはどういった事なのでしょうか?またIdをコラムに追加する方法があればお教えください。宜しくお願い致します。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.52%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る

  • Python 3.x

    6319questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。